基于注意力机制学习的变电设备缺陷检测方法

针对现有的变电站缺陷图像检测识别算法鲁棒性弱问题,提出一种基于注意力机制学习的变电设备缺陷图像检测识别方法。所提方法以卷积神经网络作为缺陷图像特征提取的骨架网络,融合注意力机制原理,进一步提升缺陷图像特征的可辨识性。首先,构建注意力机制的卷积神经网络特征提取模型,提取不同注意力机制下变电站缺陷图像特征;其次,设计一种自适应特征学习函数,将不同注意力机制下的特征融合成为新的高质量变电缺陷图像特征;最后,将不同注意力机制下的缺陷图像特征输入到分类模型,实现变电站缺陷图像检测。所提方法增强了变电设备缺陷图像检测的准确性与鲁棒性,实验结果显示,所提方法的mAP达到了70.4%。     

并联电抗器铁心接地电流过高的原因分析

正2018年初,某500kV变电站进行全站设备带电检测时,发现某500kV线路A相电抗器铁心夹件接地电流值达到200mA以上,一星期后复测结果为116.5mA。本文以本次事件为例,探讨线路并联电抗器铁心接地电流的成因与影响电流大小的因素。1并联电抗器1.1并联电抗器的作用并联电抗器是具有一定电感值的无功电气设备,在1.5倍额定电压及以下应基本为线性来吸收系统的容性